Ontologie AI Chatbots

Merkmal

Level 1: Chatbot

Level 2: Copilot / Assistant

Level 3: Autonomous Agent

Level 4: Multi-Agent System

Rolle & Metapher

Der Bibliothekar

(Informant)

Der Co-Pilot

(Mitarbeiter an der Seite)

Der Auftragnehmer

(Eigenständiger Arbeiter)

Die Abteilung

(Das Team)

Primärer Fokus

Konversation

Beantwortung von Fragen (Q&A).

Augmentation

Beschleunigung menschlicher Arbeit.

Delegation

Übernahme kompletter Aufgaben.

Orchestrierung

Lösung komplexer Prozesse.

Interaktions-Modus

Reaktiv

Input Output.

Kollaborativ

Human-in-the-loop.

Delegierend

Human-on-the-loop.

Überwachend

Human-out-of-the-loop.

Kognitive Fähigkeit

Generieren

Vorhersage von Text (Next Token).

Verstehen

Kontext-Awareness innerhalb einer App.

Planen (Reasoning)

Zerlegung von Zielen in Schritte.

Koordinieren

Verteilung von Aufgaben an Rollen.

Werkzeugnutzung

Keine / Lesend

Zugriff auf statisches Wissen.

Statisch

Nutzung definierter APIs auf Klick.

Dynamisch

Wählt Tools selbstständig aus.

Parallel

Nutzung vieler Tools gleichzeitig.

Der Evolutions-Schritt

(Was kommt neu dazu?)

Basis-Technologie (LLM)

+ Integration (APIs)

+ Planungsfähigkeit (Loop)

+ Zusammenarbeit (Network)

Beispiel

ChatGPT (Classic), FAQ-Bot

Microsoft 365 Copilot, GitHub Copilot

Devin, AutoGPT, Claude Computer Use

CrewAI, Microsoft AutoGen

1. Hauptkonzepte (Top-Level Classes)

1.1 System-Archetypen

Diese beschreiben die grundlegende Rolle und Funktionsweise des AI-Systems:

Chatbot (Oberklasse)

Konversationelles System mit natürlicher Sprachverarbeitung

Subklassen:
- Assistant - Aufgabenorientiert, produktivitätsfokussiert (z.B. Claude, ChatGPT, CoPilot)
- Agent - Autonom handelnd, zielorientiert mit Werkzeugnutzung
- Companion - Beziehungsorientiert, emotional unterstützend
- Advisor - Beratend, expertenfokussiert
- Tutor - Bildungsorientiert, pädagogisch

Unterscheidungsmerkmale:

Autonomiegrad: Companion < Assistant < Agent
Aufgabenkomplexität: Companion < Assistant < Agent
Emotionale Dimension: Agent < Assistant < Companion
Werkzeugnutzung: Companion < Assistant < Agent

1.2 Architekturkomponenten

Foundation Model (Basisebene)

LLM (Large Language Model) - Kernmodell (GPT-4, Claude, Llama)
Training Data - Wissensbasis
Parameters - Modellgröße, Kapazität

Interaction Layer (Interaktionsebene)

Prompt - Eingabeaufforderung, Instruktion
- System Prompt - Grundverhalten
- User Prompt - Benutzeranfrage
- Few-Shot Examples - Beispiele
Context Window - Arbeitsspeicher der Konversation
Memory (Chat History) - Konversationsgedächtnis

Capability Layer (Fähigkeitsebene)

Skills - Spezifische Fähigkeiten (z.B. Kodieren, Schreiben, Analysieren)
Tools - Externe Funktionen/APIs
- Web Search
- Code Execution
- File Operations
- API Calls
Knowledge - Spezifisches Domänenwissen
Memory - Langzeitgedächtnis über Sitzungen hinweg
RAG -

1.3 Orchestrierung & Steuerung

Orchestration (Koordinationsebene)

Steuerung komplexer Multi-Agent/Multi-Tool Systeme

Single-Agent - Ein LLM mit Tools
Multi-Agent - Mehrere spezialisierte Agents
- Sequential - Nacheinander (Pipeline)
- Parallel - Gleichzeitig
- Hierarchical - Supervisor + Worker
Workflow Engine - Prozesssteuerung (n8n, LangGraph)
Router - Verteilung an spezialisierte Agents